深度学习环境搭建-docker篇

1、先根据gpu型号从nvidia官网(http://www.geforce.cn/drivers)下载相应得驱动

具体安装步骤参考如下博客：

https://blog.csdn.net/hjq376247328/article/details/79816992

https://blog.csdn.net/sunnydream1112/article/details/80587047

安装过程中提示would you ...处选择no，其余选择yes即可；

2、先安装docker，然后安装nvidia-docker，只有安装完nvidia-docker才能让深度学习框架使用GPU；

参考博客：https://blog.csdn.net/qq_41493990/article/details/81624419

http://www.360doc.com/content/17/0704/16/44420101_668747743.shtml

3、docker是一种虚拟化技术，正常安装深度学习相关框架是安装nvidia驱动，然后安装cuda和cudnn，然后安装框架，而docker得技术就是只需要安装nvidia驱动，然后安装docker，之后通过docker命令直接下载带有相应版本得深度学习框架镜像即可，避免了需要安装cuda和cudnn得繁琐过程；

docker hub是存放镜像得库，类似于github是代码托管库；

docker hub网址：http://hub.docker.com/

4、安装好nvidia-docker后，修改docker镜像得默认下载存储位置，并重启docker服务

vi /lib/systemd/system/docker.service   ##然后修改ExecStart=/usr/bin/dockerd  -D --data-root 本地希望存储的地址
systemctl restart docker
systemctl daemon-reload
systemctl restart docker

5、docker 相关命令：

docker info:查看docker默认存储地址等信息；

docker run  -i -t --runtime=nvidia -v /data/ysh/:/mnt tensorflow/tensorflow:latest-gpu /bin/bash：以交互式从docker image环境中生成container
nvidia-docker run  -i -t  tensorflow/tensorflow:latest-gpu /bin/bash
docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi
docker commit -m="has update" -a="ysh" a849572156a7 ysh/tf-pytorch:v2：保存container中得相关修改并另存为新的image
docker save -o /data/ysh/tensorflow-gpu-latest.tar tensorflow/tensorflow:latest-gpu：将docker image打包成tar文件
dockrt load --input  /data/ysh/tensorflow-gpu-latest.tar：加载相关得镜像tar文件
docker exec -i -t  mynginx /bin/bash：以交互式的方式进入mynginx的容器
docker build -t detectron:c2-cuda9-cudnn7 .     ##使用当前目录的 Dockerfile 创建镜像，标签为detectron:c2-cuda9-cudnn7
docker tag 9ae3e8ea7508 ysh/caffe2:v1    ##重命名镜像
docker cp 主机文件  容器id：目录下   ##将主机文件拷贝至容器

docker rm 容器号：删除容器
docker rmi  镜像号：删除镜像时需要先删除镜像创建的所有容器

root@YLZSTP-G5L:~# docker rmi d30768a1df3f
Error response from daemon: conflict: unable to delete d30768a1df3f (must be forced) - image is referenced in multiple repositories
root@YLZSTP-G5L:~# docker rmi -f d30768a1df3f：-f强制删除
在一个镜像的基础上修改后commit生成新的镜像，这时docker rmi -f 原来的镜像id，会出错，不能强制删除有子镜像依赖的镜像；这时通过docker rmi -f 原来的镜像名称可以成功删除、

 

docker的镜像类似于类，docker的容器类似于由镜像创建的对象
docker ps -a：查看容器的情况，号码等信息
docker image ls：查看镜像的情况，号码，tag等信息

在docker hub上创建自己的仓库，create公有或私有仓库后，通过docker命令上传镜像，命名格式：用户名/仓库名：tag名

docker logout

docker login

docker tag dad62b6b4323  857470845/deepo:v1-pytorch-all

docker push 857470845/deepo:v1-pytorch-all：将自己创建得镜像上传到docker hub上；

docker pull sharedcloud/tensorflow-gpu-python27：2GB大小：从docker hub上拖取镜像到本地；

 

安装完后可以进入root权限：

https://blog.csdn.net/eleiza/article/details/70312759